ファイルを開く#
サポートされているファイルタイプ#
PyMuPDF#
PyMuPDF は PDF 以外のファイルも開くことができます。
PyMuPDF は以下のファイルタイプをサポートしています：
| PDF XPS EPUB MOBI FB2 CBZ SVG TXT | |
|
JPG/JPEG, PNG, BMP, GIF, TIFF, PNM, PGM, PBM, PPM, PAM, JXR, JPX/JP2, PSD
JPG/JPEG, PNG, PNM, PGM, PBM, PPM, PAM, PSD, PS
|
PyMuPDF Pro#
PyMuPDF Pro can open Office files.
PyMuPDF は以下のファイルタイプをサポートしています：
DOC/DOCX |
XLS/XLSX |
PPT/PPTX |
HWP/HWPX |
|---|---|---|---|
|
|
|
|
ファイルを開く方法#
ファイルを開くには、次の手順を実行します。
doc = pymupdf.open("a.pdf")
注釈
The above creates a Document (ドキュメント). The instruction doc = pymupdf.Document("a.pdf") does exactly the same. So, open is just a convenient alias and you can find its full API documented in that chapter.
File Recognizer: Opening with a Wrong File Extension#
If you have a document with a wrong file extension for its type, do not worry: it will still be opened correctly, thanks to the integrated file "content recognizer".
This component looks at the actual data in the file using a number of heuristics -- independent of the file extension. This of course is also true for file names without an extension.
Here is a list of details about how the file content recognizer works:
When opening from a file name, use the
filetypeparameter if your file format cannot be determined by content inspection. This is for instance the case for all text files: "txt", "html", "xml" or source files. If the file extension is missing or wrong or the file resides in memory, thefiletypemust be used. File formats that can successfully be recognized will be opened even without or wrong extensions, and thefiletypeparaneter will be ignored.Files based on text content do not contain unambiguously recognizable internal structures. This is true for source files (Python, C, etc.) but also HTML, XML and so on. Here, the file extensions and the
filetypeparameter continue to play a role and are used to create a "Tex" / "HTML" / ... document. Correspondingly, text files with other / no extensions, can successfully be opened usingfiletype.
Opening Remote Files#
For remote files on a server (i.e. non-local files), you will need to stream the file data to PyMuPDF.
For example use the requests library as follows:
import pymupdf
import requests
r = requests.get('https://mupdf.com/docs/mupdf_explored.pdf')
data = r.content
doc = pymupdf.Document(stream=data)
Opening Files from Cloud Services#
For further examples which deal with files held on typical cloud services please see these Cloud Interactions code snippets.
Opening Django Files#
Django implements a File Storage API to store files. The default is the FileSystemStorage, but the django-storages library provides a number of other storage backends.
You can open the file, move the contents into memory, then pass the contents to PyMuPDF as a stream.
import pymupdf
from django.core.files.storage import default_storage
from .models import MyModel
obj = MyModel.objects.get(id=1)
with default_storage.open(obj.file.name) as f:
data = f.read()
doc = pymupdf.Document(stream=data)
Please note that if the file you open is large, you may run out of memory.
The File Storage API works well if you're using different storage backends in different environments. If you're only using the FileSystemStorage, you can simply use the obj.file.name to open the file directly with PyMuPDF as shown in an earlier example.
ファイルをテキストとして開く#
PyMuPDF には、プレーン テキスト ファイルをドキュメントとして開く機能があります。 これを行うには、pymupdf.open 関数の filetype パラメータを「txt」として指定する必要があります。
doc = pymupdf.open("my_program.py", filetype="txt")
このようにして、さまざまな種類のファイルを開いて、テキスト検索、テキスト抽出、ページ レンダリングなどの PDF に固有ではない一般的な機能を実行できます。 明らかに、txt コンテンツをレンダリングしたら、 PDF として保存したり、他の PDF ファイルと結合したりすることは問題ありません。
例#
C# ファイルを開く#
doc = pymupdf.open("MyClass.cs", filetype="txt")
XML ファイルを開く#
doc = pymupdf.open("my_data.xml", filetype="txt")
JSON ファイルを開く#
doc = pymupdf.open("more_of_my_data.json", filetype="txt")
等々！
ご想像のとおり、多くのテキスト ベースのファイル形式は、PyMuPDF によって非常に簡単に開いて解釈できます。 これにより、これまで利用できなかった広範囲のファイルのデータ分析と抽出が突然可能になります。